DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

表面建筑材料吸放湿特性的辅助变量辨识

建立了以材料表面空气相对湿度为输入，材料湿容量为输出的建筑围护结构材料动态湿特性单输入单输出辨识数学模型，得到相应的Z传递 函数模型。建造了建筑围护结构材料的辨识试验系统。采用辅助变量辨识方法辨识得到单输入单输出差分方程和Z传递函数。并比较了最小二乘辨识法和辅助变量辨识法的辨识结果。结果表明，辅助变量辨识法辨识精度有所提高，系统阶降低。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于自适应小波过程神经元网络的人口预测研究

针对复杂非线性系统建模、时变过程信号处理的问题,提出了一种基于小波变换和过程神经元网络的自适应小渡过程神经元网络模型。模型为3层结构,输入层完成连续信号的输入,隐层由过程神经元结点组成,采用小波基函数作为激励函数,用于完成输入信号的空间聚合和向输出层的映射功能,输出层完成隐层输出信号的时、空聚合运算和系统输出。给出了学习算法,并以人口预测为例验证了模型和算法的有效性。     

高性能混凝土坍落度预测的遗传规划方法

提出应用遗传规划理论(GP)对高性能混凝土坍落度进行预测。针对影响高性能混凝土坍落度的主要因素作为输入因子,坍落度值作为输出变量,应用改进的遗传规划方法模拟出输入-输出二者因果关系的显式数学解析式,建立了高性能混凝土坍落度预测的非线性数学模型。通过实测数据进行验证分析,并分别与线性回归和神经网络模型比较,表明GP模型具有更好的拟合精度和预测效果,为坍落度预测提供了新的方法。     

基于改进BP神经网络的价格预测模型研究

人工神经网络是一种人工智能算法,具有强大功能,可任意逼近非线性连续函数。面对畜产品价格变化的复杂因素,文章运用MATLAB实现各种BP神经网络的设计和训练,利用改进的神经网络算法即在权值中引入动量项,输入层至隐含层的传递函数采用S型曲线,隐含层至输出层的传递函数采用线性函数,对东北地区畜产品价格进行预测。结果显示模拟数据与实测数据拟合性很好、预测精度较高、泛化能力较好,可为畜产品价格预测提供一种全新思路和方法。     

BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。     

基于正交基函数对向传播过程神经网络的语音识别方法

针对特定人孤立词识别任务,传统的语音识别系统中构造的神经网络模型主要采用BP神经网络和径向基函数网络,为了解决这两种神经网络构造下的语音识别系统对训练样本需求量较大和识别率较低问题,提出了一种基于正交基函数展开的混合学习算法,并应用于语音识别中,同时与传统的BP神经网络、径向基函数网络进行了比较.仿真结果表明,采用对向...     

多级减振离合器的非线性控制

以多级减振离合器的接合过程为控制为对象，考虑到扭振弹簧刚度和阻尼的分段特性，建立了单输入单输出非线性动力系统模型，应用微分流形变换和反馈线性化方法，原非线性系统可等价为具有零动力学性质的线性系统，然后在线性空间设计控制方案，仿真以两级减振自控离合器跟踪理想响应为例，结果表明，对非线性系统实施反馈线性化控制，跟踪精度高，鲁棒性好。     

函数空间正交函数系及其应用

目的函数空间正交函数系在数据拟合、函数插值与逼近、数值积分中的应用尤为突出,正交函数系使得数值计算中的计算量大大减小,数值稳定,结果准确。方法根据函数空间中正交函数系的定义,证明文中所给出的三角函数系、余弦函数系、正弦函数系、勒让德多项式系函数系是正交函数系。同时根据函数空间中构造对偶基算法,得到正交函数系的对偶基及其升阶算法。结果得到正交函数系、对偶基及其升阶算法,并以正交正弦函数系为例来验证文章对偶基算法的正确性。结论根据对偶基理论,得到正交函数系对偶基及其升阶算法,可以将其应用在数据拟合、函数插值与逼近、数值积分中。对后续研究数值计算有着十分重要的意义。     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上，构建基于Lasso方法和BP神经网络的预测模型，并对我国城乡居民的消费支出进行预测，结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度；在2014~2020年，我国农村居民消费增长率有所提升，城镇居民消费增长率减缓，城乡居民消费增长率之间的差距呈下降趋势，但短期内城乡居民消费差距依然难以缓和。     

基于深度神经网络的个性化推荐系统研究

为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电气、建筑、历史、政治、经济、数学、英语10类文献数据进行查询推荐实验,比较4种方法检索结果与用户需求的吻合程度.实验结果表明:该文提出的基于深度神经网络的检索方法,其检索结果的用户个性化需求吻合度高于其他3种方法近10个百分点,对于英语类文献检索结果的个性化需求吻合度,甚至达到了90.2%,这充分说明了该文提出的检索方法和构建的个性化推荐系统有效.     

基于BP神经网络模型的商洛市卷烟需求预测

在国家经济新常态的大背景下,烟草行业自身"小气候"不可避免地发生变化,行业经济运行呈现出一些新的变化和特点。根据商洛市卷烟消费市场调查收集的有关数据,建立卷烟需求神经网络预测模型,介绍了其指标选取、聚类和筛选,利用Matlab软件对数据进行训练、仿真。与实际销量进行对比分析,证明采用的BP神经网络预测结果准确。     

基于多RBF神经网络的汽车衡误差补偿

传统汽车衡称重误差补偿过程繁琐、称重结果准确度低，为此提出了一种基于多径向基函数神经网络(RBFNN)的汽车衡误差补偿方法.根据汽车衡不同检定秤量段的最大允许误差确定多个子RBFNN，每个子RBFNN负责一段秤量范围的误差补偿，建立相应秤量段的称重误差补偿模型，并给出补偿模型的训练算法.将各子RBFNN并联组合，利用自适应选择网络，自动选择合适的子RBFNN，完成不同称重段的最优补偿，从而获得全量程的最佳补偿效果.仿真实验表明，这种多RBFNN补偿方法与由单个RBFNN实现全量程补偿的方法相比，子RBFNN规模小，补偿效果更好.     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

袁肇凯教授学术研究可视化知识图谱分析

目的 借助文献计量工具对袁肇凯教授学术研究进行可视化图谱分析。方法 在中国知网（CNKI）上以"袁肇凯"为关键词进行作者检索,检索得文献289篇,借助CiteSpace进行文献的可视化分析,分别从作者发文量、合作作者网络、合作机构网络、突现词检测、关键词共现网络进行分析。结果 袁教授的主要研究热点为：冠心病、养心通脉片、证候及其本质研究、心血瘀阻证、动脉粥样硬化作用、骨髓间充质干细胞、早发冠心病。主要研究方向为冠心病血瘀证及其治疗。与袁教授合作密切作者依次为黄献平、胡志希、孙贵香、郑景辉、王东生、谢梦洲、李杰。结论 袁教授紧紧围绕冠心病研究领域不断向外拓展,积极运用光电容积仪、人工神经网络等新方法,从系统生物学、代谢组学、基因组学等多角度进行研究,其治学专而精,富有开拓进取的创新精神。     

基于神经网络的食用玫瑰花图像识别算法

针对单依靠颜色或形状将采摘期玫瑰花从图像中分割出来难度较大的问题,研究一种基于神经网络的食用玫瑰花图像识别算法。将处于采摘期的玫瑰花正面图像作为识别对象,先提取HSI色彩空间下的S分量,用最大类间方差法(Otsu)进行分割;再提取目标图像灰度共生矩阵下的纹理特征,选取区分度高的纹理特征,结合BP神经网络,建立识别模型。试验结果表明:该方法正确识别率85%,识别率主要受试验样本开放标准选取的影响,而受光照影响不敏感,是一种较好的识别方法。     

人工神经网络预测注水腐蚀管道的剩余寿命

利用人工神经网络的自适应、自组织学习能力，通过对训练样本集的学习，使用传统的CVDA－84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络，对注水管道的剩余寿命进行了预测。结果表明，CVDA－84规范偏保守，采用BP以及改进的BP神经网络预测的剩余寿命和观测值基本一致。但采用BP人工神经网络预测时，迭代次数比CVDA多得多。采用改进的Rumelhart和MBP神经网络能有效地提高预测速度，改善网络的收敛性，并且使预测精度有所提高。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。